深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
16461	2024-08-07	Enhancing tuberculosis vaccine development: a deconvolution neural network approach for multi-epitope prediction 2024-05-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-59291-1 PMID:38710737	研究论文	本文首次采用基于解卷积神经网络（DCNN）和双向长短期记忆网络（DCNN-BiLSTM）的深度学习框架，用于预测针对六种Mtb H37Rv蛋白的Mtb多表位疫苗（MtbMEV）亚单位，以增强结核病疫苗的开发。	首次应用深度学习框架DCNN-BiLSTM于结核病多表位疫苗预测，模型准确率达到99.5%，优于其他机器学习模型。	研究结果需通过进一步的实验验证，以建立未来临床试验的候选疫苗。	开发针对结核病的高效疫苗。	针对六种Mtb H37Rv蛋白的Mtb多表位疫苗亚单位。	机器学习	结核病	解卷积神经网络（DCNN）和双向长短期记忆网络（DCNN-BiLSTM）	DCNN-BiLSTM	蛋白质数据	六种Mtb H37Rv蛋白
16462	2024-08-07	Smart traffic management of vehicles using faster R-CNN based deep learning method 2024-May-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60596-4 PMID:38710753	研究论文	本文研究了一种基于Faster R-CNN深度学习方法的智能车辆交通管理技术	提出了一种四步法解决车辆分割问题，包括自适应背景模型最小化、Faster R-CNN子网操作、初始细化及扩展拓扑主动网结果优化	未明确提及	解决智能车辆交通管理中的车辆分割问题	车辆分割、交通密度估计和车辆追踪	计算机视觉	NA	Faster R-CNN	CNN	视频	未明确提及
16463	2024-08-07	Detecting emotions through EEG signals based on modified convolutional fuzzy neural network 2024-05-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60977-9 PMID:38710806	研究论文	本研究通过改进的卷积模糊神经网络基于脑电信号进行情绪识别	本研究改进了卷积模糊神经网络（CFNN）的架构，以提高情绪识别的准确性和可靠性	NA	提高基于脑电信号的情绪识别系统的准确性和可靠性	脑电信号的情绪识别	机器学习	NA	脑电图（EEG）	卷积模糊神经网络（CFNN）	脑电信号	未具体说明样本数量
16464	2024-08-07	Toward robust and high-throughput detection of seed defects in X-ray images via deep learning 2024-May-06, Plant methods IF:4.7Q1 DOI:10.1186/s13007-024-01195-2 PMID:38711143	研究论文	本文提出了一种基于深度学习的2D X射线图像种子缺陷检测方法，通过X-Robustifier管道实现快速且鲁棒的检测。	引入了特定的数据增强技术以补偿缺陷比例低的问题，并提高了对X射线成像系统物理参数变化的鲁棒性。	NA	优化种子批次的品质，通过非破坏性成像技术检测种子内部缺陷。	种子中的缺陷检测。	计算机视觉	NA	X射线成像	物体检测神经网络	图像	缺陷和无缺陷的种子2D X射线图像
16465	2024-08-07	Glaucoma detection using non-perfused areas in OCTA 2024-05-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60839-4 PMID:38705883	研究论文	本文提出了一种基于光学相干断层扫描血管成像（OCTA）中非灌注区域的概率密度函数特征，用于区分青光眼患者和健康对照的新方法	该方法通过计算灌注距离区域的特征，减少了血管分割错误的影响，并且在不同毛细血管丛上的表现优于使用手工特征的先前方法	该方法依赖于血管分割的准确性，尽管灌注距离测量对分割错误较不敏感，但仍可能受其影响	旨在开发一种更敏感且计算效率高的方法，用于通过OCTA图像检测青光眼	青光眼患者和健康对照者的OCTA图像中的非灌注区域	数字病理学	青光眼	光学相干断层扫描血管成像（OCTA）	NA	图像	未具体说明样本数量
16466	2024-08-07	Image factory: A method for synthesizing novel CT images with anatomical guidance 2024-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.16864 PMID:38043097	研究论文	本文提出了一种基于解剖指导合成新型CT图像的方法	该方法能够利用小规模标注数据集和大规模非标注数据集，通过一系列步骤生成大规模标注数据集，用于医学应用中的深度学习网络训练	NA	解决医学应用中深度学习因缺乏大量标注、注释或分割训练数据集而受限的问题	肺部CT图像	计算机视觉	NA	StyleGAN, U-Net, CycleGAN/Pixel-to-Pixel (P2P)	GAN	图像	30名患者的标注肺部CT数据集和14000名患者的非标注高分辨率CT数据集
16467	2024-08-07	Hybrid-supervised deep learning for domain transfer 3D protoacoustic image reconstruction 2024-Apr-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad3327 PMID:38471184	研究论文	本研究开发了一种混合监督深度学习方法，用于解决质子声学成像中有限视角问题，并实现了3D质子剂量验证的高效重建	提出了一种两阶段的深度学习方法Recon-Enhance，其中Recon阶段使用基于transformer的网络从原始声学信号重建初始压力图，Enhance阶段使用3D U-net进一步增强图像质量	NA	解决质子声学成像中有限视角问题，提高3D质子剂量验证的准确性和效率	质子声学成像中的3D剂量验证	机器学习	前列腺癌	深度学习	transformer, 3D U-net	图像	126名前列腺癌患者的数据集
16468	2024-08-07	A deep learning based holistic diagnosis system for immunohistochemistry interpretation and molecular subtyping 2024-04, Neoplasia (New York, N.Y.) DOI:10.1016/j.neo.2024.100976 PMID:38412576	研究论文	开发了一种基于深度学习的整体智能乳腺癌肿瘤诊断系统，用于免疫组化图像的自动解读和分子亚型分类	该系统通过卷积神经网络自动提取和分析免疫染色多特征，提高了免疫组化图像解读的效率和准确性	NA	提高乳腺癌免疫组化图像解读的效率和准确性	乳腺癌的分子亚型分类	机器学习	乳腺癌	卷积神经网络	CNN	图像	NA
16469	2024-08-07	Application of computer vision and deep learning models to automatically classify medically important mosquitoes in North Borneo, Malaysia 2024-Apr, Bulletin of entomological research IF:1.6Q2 DOI:10.1017/S000748532400018X PMID:38557482	研究论文	本研究利用深度学习模型MobileNetV2自动检测和分类马来西亚北婆罗洲的城市和郊区收集的蚊子样本	开发了一个可以在实地使用的应用程序，用于自动检测蚊子，并在不同背景环境下实现了较高的准确率	未来需要更多的图像数据和更强大的深度学习架构来提高预测结果	利用深度学习模型开发一个能够自动检测蚊子的应用程序	马来西亚北婆罗洲的城市和郊区收集的蚊子样本	计算机视觉	NA	深度学习	MobileNetV2	图像	4880张蚊子图像
16470	2024-08-07	Deep learning in the radiologic diagnosis of osteoporosis: a literature review 2024-Apr, The Journal of international medical research IF:1.4Q4 DOI:10.1177/03000605241244754 PMID:38656208	综述	本文综述了深度学习方法在放射诊断骨质疏松症中的应用	深度学习在骨质疏松筛查中表现出显著能力	临床商业化骨质疏松诊断模型仍面临挑战	总结深度学习方法在放射诊断骨质疏松症中的应用	骨质疏松症的筛查和诊断	机器学习	骨质疏松症	深度学习	NA	图像	共包含40项研究，分为骨质疏松筛查（20项）、骨密度预测（13项）和骨质疏松骨折风险预测与检测（7项）
16471	2024-08-07	Slideflow: deep learning for digital histopathology with real-time whole-slide visualization 2024-Mar-27, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05758-x PMID:38539070	研究论文	本文介绍了一个名为Slideflow的灵活深度学习库，用于数字病理学，支持多种深度学习方法，并包含一个快速的全切片接口用于部署训练好的模型	Slideflow提供了独特的工具，如全切片图像数据处理、高效的染色标准化和增强、弱监督的全切片分类、不确定性量化、特征生成、特征空间分析和可解释性	NA	开发一个灵活的深度学习库，用于数字病理学，支持多种深度学习方法，并提供一个快速的全切片接口	数字病理学中的全切片图像分析	数字病理学	NA	深度学习	CNN	图像	NA
16472	2024-08-07	Combining enhanced spectral resolution of EMG and a deep learning approach for knee pathology diagnosis 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302707 PMID:38713653	研究论文	本研究开发了一种基于肌电图（EMG）的方法，结合深度学习技术用于诊断膝关节病理	利用高阶谱分析（HOSA）和深度学习技术，特别是改进的ResNet101 CNN模型，提高了膝关节病理诊断的准确性	尽管方法显示出高准确性，但仍存在一些局限性需要在未来研究中特别考虑和解决	开发一种基于EMG的诊断方法，用于识别膝关节病理，特别是膝关节骨性关节炎（KOA）	研究对象包括正常和KOA患者的膝关节周围肌肉的EMG信号	机器学习	关节疾病	高阶谱分析（HOSA）	CNN	图像	使用了公开数据库中的EMG信号数据，具体样本数量未详细说明
16473	2024-08-07	GELT: A graph embeddings based lite-transformer for knowledge tracing 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301714 PMID:38713679	研究论文	本文提出了一种基于图嵌入的轻量级Transformer模型GELT，用于知识追踪任务	引入了基于图神经网络的模型GELT，并设计了一种节能注意力机制，以提高预测准确性并降低计算成本	NA	旨在解决传统深度学习模型在知识追踪任务中解释性不足的问题	研究学生技能与问题之间的关系，并预测知识状态	机器学习	NA	图嵌入	Transformer	数据集	三个公开的现实世界知识追踪数据集
16474	2024-08-07	ContourTL-Net: Contour-Based Transfer Learning Algorithm for Early-Stage Brain Tumor Detection 2024, International journal of biomedical imaging IF:3.3Q2 DOI:10.1155/2024/6347920 PMID:38716037	研究论文	本研究提出了一种基于轮廓的迁移学习模型ContourTL-Net，用于早期脑肿瘤检测，通过深度学习模型提高计算机化脑肿瘤检测的效率。	本研究创新性地采用了基于轮廓的MRI图像分割方法和迁移学习模型，以提高早期脑肿瘤检测的准确性和效率。	NA	旨在通过深度学习模型提高临床环境中计算机化脑肿瘤检测的效率。	早期脑肿瘤检测。	计算机视觉	脑肿瘤	深度学习	VGG-16	图像	两个基准数据集
16475	2024-08-07	Brain MRI sequence and view plane identification using deep learning 2024, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2024.1373502 PMID:38716062	研究论文	本文提出了一种深度学习方法，用于自动识别脑部MRI扫描的序列和视图平面	使用MobileNet-v2模型实现了高达99.76%的准确率，并在公开数据集上进行了验证	在医院来源的数据上准确率略低，为86.49%	开发一种自动识别脑部MRI序列和视图平面的工具，以辅助计算机辅助诊断工具的设计和开发	脑部MRI扫描的序列和视图平面	计算机视觉	NA	深度学习	MobileNet-v2	图像	使用了多个公开可用的在线数据集
16476	2024-08-07	Machine learning-based speech recognition system for nursing documentation - A pilot study 2023-10, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2023.105213 PMID:37690224	研究论文	本研究旨在评估基于机器学习的语音识别系统在精神科病房中减少护理记录打字工作量的有效性	本研究开发了一种基于机器学习的语音识别系统，用于提高护理文档记录的效率	语音识别转录的潜在错误需要持续识别和改进，且需要进一步研究以提高不同临床专科中护理记录数字化文档的效率和准确性	评估基于机器学习的语音识别系统在减少护理记录打字工作量方面的有效性	精神科病房的护理记录工作	机器学习	NA	机器学习	语音识别系统	文本	21名护士参与评估，共收集200条数据
16477	2024-08-07	Automated diagnosing primary open-angle glaucoma from fundus image by simulating human's grading with deep learning 2022-08-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-17753-4 PMID:35982106	研究论文	本研究提出了一种名为GlaucomaNet的自动化分类算法，用于通过不同人群和环境下的眼底照片识别原发性开角型青光眼（POAG）	GlaucomaNet通过两个卷积神经网络模拟人类评分过程，学习区分性特征并融合特征进行评分，提高了诊断的准确性和透明度	NA	开发一种稳健且可解释的算法，自动辅助下游诊断任务	原发性开角型青光眼（POAG）	计算机视觉	眼科疾病	深度学习	卷积神经网络	图像	两个数据集：Ocular Hypertension Treatment Study (OHTS)参与者和Large-scale Attention-based Glaucoma (LAG)数据集
16478	2024-08-07	Design and evaluation of a deep learning-based automatic segmentation of maxillary and mandibular substructures using a 3D U-Net 2024-Jul, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2024.100780 PMID:38712013	研究论文	本文设计并评估了一种基于3D U-Net深度学习模型的上颌和下颌亚结构自动分割方法	该模型能够高效准确地分割上颌和下颌的亚结构，特别是在处理金属伪影的CT扫描中表现出良好的性能	上颌亚结构的分割指标略低于下颌亚结构	旨在提高头颈部癌症患者放射治疗计划中颌骨亚结构的分割准确性和效率	上颌和下颌的12个亚结构	计算机视觉	头颈部癌症	3D U-Net	U-Net	CT扫描图像	82例头颈部癌症患者的CT扫描用于模型开发，20例独立CT扫描用于评估
16479	2024-08-07	Extensive data engineering to the rescue: building a multi-species katydid detector from unbalanced, atypical training datasets 2024-Jun-24, Philosophical transactions of the Royal Society of London. Series B, Biological sciences DOI:10.1098/rstb.2023.0444 PMID:38705172	研究论文	本研究通过广泛的数据工程技术，从非平衡、不典型的训练数据集中构建了一个多物种的蟋蟀检测器	采用严格的数据工程方法，通过控制播放重录和物理基础的数据增强技术，以及调整信号处理、模型和训练参数，提高了输入数据的多样性，并开发了Koogu工具箱	研究面临有限的和不平衡的初始训练数据集，以及域不匹配的录音问题	开发一种基于深度学习的解决方案，自动识别巴拿马热带森林中31种感兴趣的蟋蟀物种	31种蟋蟀物种	自然语言处理	NA	深度学习	NA	音频	超过80种蟋蟀物种的录音
16480	2024-08-07	Unsupervised Domain Adaptation of Object Detectors: A Survey 2024-Jun, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2022.3217046 PMID:37030853	综述	本文详细描述了目标检测中的域适应问题，并提供了一系列方法的广泛综述	介绍了多种针对目标检测的域适应技术，并指出了未来研究的有前景的方向	文章未明确提及当前方法的具体局限性	旨在为模式识别专家介绍域适应问题，并展示当前研究的进展及未来研究方向	目标检测模型在标签稀缺且视觉上不同的数据集上的适应性	计算机视觉	NA	深度学习	NA	图像	NA